抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
個体群とコミュニティ生態学は,伝統的Lotka-Volterra捕食者-被食者と種間競争モデルのロジスティックとその変化,および多くの修正のような良く知られた動的モデルを有する非常に強い理論的基礎を持っている。さらに,これらの古典的モデルは,予測の目的のための経験的時系列に適合するか,または,関心のあるモデルパラメータを推定するために,データに直面する。しかし,理論モデルをデータに当てはめる統計的モデルは,特に,その後の測定が独立でない時系列データに対して,自明でない。これは,単純な(非)線形回帰のような純粋観測誤差モデルを用いた統計的推論がバイアスされ,より精巧なプロセス誤差モデルまたは状態空間モデルがこの複雑性に取り組むために使用されなければならないかどうかの疑問を提起する。経験者を支援するため,特に,マイクロおよびメソコスムにおける実験室集団で働く研究者は,統計的形式を使用にインフォームドした決定をし,ここでは,古典的な決定論的ODEモデルを経験的データに当てはめるとき,異なる誤差構造を比較することができた。単一種からコミュニティ動力学と栄養相互作用までの広範囲の生物学的シナリオと理論モデルを考察した。異なる誤差構造モデルの性能を比較するために,Bayesフレームワークにおけるミクロコズムからの現実的シミュレーションデータと経験的データの両方を用いた。観測誤差が高すぎると,純粋観測誤差あるいは状態空間モデルを用いた誤差構造の適切な選択により,多くのモデルパラメータを正確に推定できることが分かった。しかしながら,Allee効果モデルは,典型的には同定するのが困難であり,モデルの複雑さが増加するとき,状態空間モデルが好ましいべきである。本研究は,低環境確率と高品質観測の文脈において,決定論的モデルがプロセス変動と観測誤差を含む確率的個体群動力学を記述するために使用できることを示した。より正確なパラメータ推定を得るために,より複雑な状態空間モデル定式化が必要である。最後に,これらのモデルをRに当てはめるための包括的なチュートリアルを提供した。確率的個別ベースシミュレーションのためのオープン研究コードは,https://doi.org/10.5281/zenodo.5500442から利用可能である。ODEモデルをRの時系列データに適合させるためのチュートリアルを補足情報で提示し,オンラインhttps://github.com/benjamin rosenbaum/fitting決定論的個体群モデルも利用できる。データ(Fronhofer et al.,2020)はGitHubとZenodoにより提供される。【JST・京大機械翻訳】
